Claude交错思考模式：工具调用后如何继续推理

Extended thinking 通常发生在助手回合的开始，在 Claude 看到任何工具结果之前，一次性完成。Interleaved thinking 解除了这个限制：模型可以在每次工具结果返回后生成一个新的 thinking block，这样后面的决策就能在已有答案的基础上进行推理。

普通工具调用的局限性

一个标准的 extended-thinking 回合有固定的形状。Claude 先思考，然后行动。thinking block 先发出，tool_use block 紧随其后，回合以 stop_reason: "tool_use" 结束。运行工具，追加 tool_result，再次调用 API——紧接着的助手回合中，工具输出已经在上下文里，但没有附加新的推理。模型从结果中作答，而不是对结果进行思考。

这在工具调用是查询场景时没有问题。但当第二次调用依赖于第一次的结果时，这就成了限制：搜索没有返回有用内容、应该用不同关键词重新运行；数据库查询的行数决定了是聚合还是分页；计算结果在报告之前需要合理性检查。这三种场景中，有用的推理都发生在工具回答之后，但之前没有地方放置这些推理。

Anthropic 将这个行为放在了 beta header 后面。在原始 HTTP API 中，它是一个请求头，和版本头一起传递：

POST https://api.anthropic.com/v1/messages
x-api-key: $ANTHROPIC_API_KEY
anthropic-version: 2023-06-01
anthropic-beta: interleaved-thinking-2025-05-14
content-type: application/json

{
  "model": "claude-sonnet-4-20250514",
  "max_tokens": 8000,
  "thinking": { "type": "enabled", "budget_tokens": 4000 },
  "tools": [
    {
      "name": "search_orders",
      "description": "Search orders by customer email.",
      "input_schema": {
        "type": "object",
        "properties": { "email": { "type": "string" } },
        "required": ["email"]
      }
    }
  ],
  "messages": [
    { "role": "user", "content": "Did [email protected] order anything in March?" }
  ]
}

在官方 SDK 中，同样的东西作为 beta 传递而不是手写——Python 客户端在 client.beta.messages.create 上传入 betas=["interleaved-thinking-2025-05-14"]，TypeScript 客户端传入等价的 betas 数组。带日期的后缀是值的一部分，不是文档：header 是字面匹配的，所以去掉日期会使其变成无法识别的 beta。通用机制（包括必需的 header 缺失时会发生什么）参见 Claude API 中的 beta headers。

Beta 名称及其可用性会变动。Anthropic 的 extended thinking 文档是权威来源，用于判断这个 beta 是否仍然需要、是否仍然以此命名、或者是否已升级为你所调用模型的一般可用性。

跨多步回合的 Block 顺序

可观察的差异完全在 content 数组中。以下是两步步回合的文档化形状——第一次响应，然后在工具结果返回后的响应。这是 API 被指定生成的 schema，是从文档中重建的，不是某次运行的记录：

// First assistant turn
{
  "role": "assistant",
  "content": [
    { "type": "thinking", "thinking": "...", "signature": "EqQBCgIY..." },
    { "type": "tool_use", "id": "toolu_01A...", "name": "search_orders",
      "input": { "email": "[email protected]" } }
  ],
  "stop_reason": "tool_use"
}

// You append: { "role": "user", "content": [
//   { "type": "tool_result", "tool_use_id": "toolu_01A...", "content": "[]" } ] }

// Second assistant turn — WITH the interleaved beta
{
  "role": "assistant",
  "content": [
    { "type": "thinking", "thinking": "...", "signature": "EqQBCgIY..." },
    { "type": "tool_use", "id": "toolu_01B...", "name": "search_orders",
      "input": { "email": "[email protected]", "include_archived": true } }
  ],
  "stop_reason": "tool_use"
}

第二个 thinking block 就是整个特性的意义所在。没有 beta 时，第二个助手回合以 text 或 tool_use 开头，没有自己的推理；有 beta 时，Claude 可以先考虑空结果，再决定下一步做什么。回合中也可能在工具调用的同时混入 text block，这是正常的，在"为什么 Claude 在同一回合中返回 text 和 tool call"中有单独解释。

Thinking blocks 必须完整返回

每个 thinking block 都带有一个 signature 字段：一个不透明的值，让 API 能够验证该 block 是由模型生成的，而不是由客户端编写的。构建下一个请求时，整个助手 content 数组——thinking blocks、signatures 及其顺序——逐字返回，位于你正在追加的 tool_result 之前。

不要从仍在进行中的回合里剥离 thinking blocks。在 tool-use 回合中，它们是模型保持连贯性所必需的状态的一部分。

不要编辑其中的文本。signature 是对整个 block 的校验；重写推理而保留 signature 会导致验证失败。

不要重新排序。Thinking 位于它所导致的工具调用之前，API 期望这个顺序被保留回来。

预期 redacted_thinking。如果安全系统标记了推理过程，block 会以加密内容的 redacted_thinking 形式到达。它仍然原样传回；这不是错误，也不应该被过滤掉。

出问题的时候 API 会告知你，这是仁慈的：一个 thinking blocks 被剥离、截断或重新序列化的请求会返回 HTTP 400，并带有 invalid_request_error，指出 block 索引并抱怨无法验证 signature，而不是静默地产生一个更差的结果。常见原因不是恶意破坏，而是消息历史层将对话存储为 {role, text} 对，并在传出时重建数组。这种表示无法完整往返一个 thinking block，在第一次启用 thinking 的工具调用之前它都能完美工作。

存储的推论：将助手回合持久化为原始 content 数组，而不是扁平化的文本。如果需要显示字符串，在渲染时从 text blocks 中派生，并保持数组作为事实来源。这与同一回合中 text 和 tool calls 要求的纪律相同，一次性采用比后续改造要容易。

Budget 在整个回合中共享

budget_tokens 限制 thinking，而通过 interleaving，这个上限应用于整个回合中的所有 thinking blocks，而不是每个单独计算。四次工具调用配 4,000-token budget，并不会每次获得 4,000 tokens。这也是为什么回合可能跑得很长：thinking tokens 作为输出 tokens 计费，max_tokens 必须足够大，以容纳 budget 加上可见答案加上途中的每个工具调用参数。将 max_tokens 设置为小于或等于 budget_tokens 会被拒绝，而不是静默截断。分配规则参见 budget_tokens and extended thinking。

两个实际后果随之而来。首先，针对非-thinking 工具调用调优的 agent 循环，一旦开启 interleaving，每回合的输出 token 账单会更高，因为推理现在出现在每个步骤而不是只有第一步。其次，prompt 缓存与此相互作用：每多一轮都会重新发送更长的助手历史，因此位于工具循环之前的缓存断点比没有 thinking 在中间时更快回本。

如果额外的推理没有改变模型的行为——对于简单的单次查询工具来说通常确实不会——诚实的结论是在那条路由上关闭 beta，把它留给那些工具结果真正改变计划的地方。

在构建成本模型之前，有一个会计细节值得对照文档检查。Anthropic 对较早的、已完成的助手回合中的 thinking blocks 与当前进行中回合内的 thinking blocks 处理方式不同：已完成回合的推理不需要像进行中的工具循环那样被持续向前携带。实际的解读是，interleaving 膨胀了单个多步回合，而不是无限制地膨胀整个对话——但确切规则在 extended thinking 页面上，它已经被修订过，不能从账单中推断。

最后，关于如何判断 beta 是否真正生效的说明，因为响应中没有任何内容宣告这一点。统计工具循环中每个助手回合的 thinking blocks 数量。没有 beta 时，你最多看到一个，在回合序列的第一个回合中；有 beta 时，你可能在每个回合中看到一个。单个回合中没有不代表 beta 关闭了——模型没有义务在每个步骤之前都思考——所以要看在若干多步对话中的分布，而不是看单个响应。

相关链接

Extended Thinking in Claude: budget_tokens and What Replaced It

Beta Headers in the Claude API: How Features Ship Before General Availability

Why Claude Sometimes Returns Text and a Tool Call in the Same Turn